我有一个这样的数据框：
import pandas as pd
df = pd.DataFrame({'incorrect': ['jak', 'mya', 'kfka'],
'correct': ['jack', 'maya', 'kafka']})
incorrect correct
jak jack
mya maya
kfka kafka
我想用 python 中的机器学习从不正确的值中预测正确的结果。我可以在这种情况下使用哪种型号？谢谢。
您尝试执行的任务确实很难使用机器学习来完成，因为在如何从不正确的单词中产生正确的单词方面没有模式。您可以做的一件事是从互联网上填充不同名称的字典，然后按照此处提供的建议进行操作。
从您的示例中不清楚您打算如何准确地预测您是否只有成对的术语。
如果您假设您有所有可能的正确和错误对，那么您可以简单地将您的数据用作哈希表，其中每个错误术语都是正确术语的键。
否则，假设您拥有所有正确的术语，但您希望能够处理不正确术语的略微更改的版本。您可以定义一个相似性度量（函数）并使用它来找到最接近的不正确术语，以便为其返回正确的术语。
如果您没有所有正确的单词，那就有问题了。
您应该查找“法律”术语（或您的情况下的名称）的词汇表并将其用作您的字典。python 中有一些库可以为您做到这一点，但据我所知，这些库都基于常规字典，例如 LibreOffice 使用的那些（PyEnchant）就是一个例子。如果您正在查找名称字典，您或许应该尝试查找包含名称的特定数据集。
否则，您的数据应该采用不同的格式，其中将包含更多信息，例如上下文。
基于不正确单词“预测”正确单词的一种方法是为每个（正确和不正确）构建一个 LM（语言模型），并基于返回具有最大可能性的单词的概率，就像基本翻译模型一样。但这只有在你有很多文本（不是 unigrams）并且每个单词出现多次时才有意义，否则你真的没有办法构建 LM。